CN113191997A - 一种基于机器视觉的卡簧测量方法 - Google Patents

Abstract

本发明属于数字图像处理技术领域，公开了一种基于机器视觉的卡簧测量方法，包括：对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合；对边缘提取的Canny算子进行改进，利用改进的Canny算子提取卡簧的轮廓边缘，获取边缘上的轮廓点；采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺寸信息；对数据进行过滤去除数据畸变点，并利用等分原理，计算实际卡簧两个边缘的尺寸信息，完成卡簧的测量。本发明充分利用工业光源与工业相机，采用机器视觉的测量方法，实现了对压装完的卡簧进行快速并准确地测量，并把数据进行实时处理，改进后的Canny算子对轮廓边缘的提取更加精准并具有较高的噪声抑制效果。

Description

一种基于机器视觉的卡簧测量方法

技术领域

本发明属于数字图像处理技术领域，尤其涉及一种基于机器视觉的卡簧测 量方法。

背景技术

目前，卡簧是一种应用广泛的机械零件，一般将其安装在工件的轴槽或者 孔槽之中，起着零件固定的作用。卡簧与槽配合的松紧度直径影响其工作的性 能，安装过松降低定位的效果；安装过紧导致卡簧产生塑性变形。目前，汽车 行业的快速发展带动了卡簧的大批量生产，但是针对卡簧的几何尺寸的测量却 仍以人工测量为主，对于卡簧的尺寸、开口的测量，现有汽车零部件生产企业 基于“通、止规”的方式，采用卡簧的尺寸公差带上下限作为两端轴的直径， 形成一根直径不等的检测棒。如果卡簧可以从测试棒套入但不能从下端套出去， 即认为卡簧为合格的。但是卡簧的装配、压装是一道重要的工序，在完成卡簧装备、压装后，通用的方法是通过工人测量确定卡簧是否压装合格。卡簧的形 状较小、较薄，在长期的单一重复性工作中，工人容易产生疲劳，导致不合格 的产品流入到应用市场中。不同的工人操作的手法力度宽严也不尽相同，对于 临界尺寸合格性的判断会产生相对应的差异。目前的测量方法与卡簧的市场需 求不相匹配，成为提高企业生产效率的一个瓶颈。

同时，传统Canny算子高斯核函数的方差和高低阈值均是人工进行设定， 对图像的自适应能力差，对噪声敏感。另外，现有技术中利用阈值提取并进行 圆拟合的方法，存在测量精度不高、稳定性差的技术问题。因此，亟需一种新 的卡簧测量方法。

通过上述分析，现有技术存在的问题及缺陷为：

(1)卡簧的形状较小、较薄，在长期的单一重复性工作中，工人容易产生 疲劳，导致不合格的产品流入到应用市场中。不同的工人操作的手法力度宽严 也不尽相同，对于临界尺寸合格性的判断会产生相对应的差异。目前的测量方 法与卡簧的市场需求不相匹配，成为提高企业生产效率的一个瓶颈。

(2)传统Canny算子高斯核函数的方差和高低阈值均是人工进行设定，对 图像的自适应能力差，对噪声敏感。

(3)现有技术中利用阈值提取并进行圆拟合的方法，存在测量精度不高、 稳定性差的技术问题。

解决以上问题及缺陷的难度为：卡簧的形状较小、较薄，检测的要求达到 0.01mm级别的精度。在视觉成像上，现有的视觉未有好的解决方案。在算法提 取上，利用的算法其自适应能力差，对噪声敏感，影响产品的检测效果。

解决以上问题及缺陷的意义为：利用本文提及的技术，通过带有色彩的光 源在固定位置进行图像的拍摄，对图像进行色彩通道的分解。利用算法实现通 道的重新组合，对重新组合图像利用改进的Canny算法，实现卡簧边缘的精确 提取，完成测量。本发明改进后的算子对轮廓边缘的提取更加精准并具有较高 的噪声抑制效果，解决了现有技术中利用阈值提取并进行圆拟合的方法，存在 测量精度不高、稳定性差的技术问题。

发明内容

针对现有技术存在的问题，本发明提供了一种基于机器视觉的卡簧测量方 法，尤其涉及一种基于机器视觉测量系统的针对卡簧的测量方案。

本发明是这样实现的，一种基于机器视觉的卡簧测量方法，所述基于机器 视觉的卡簧测量方法包括以下步骤：

步骤一，对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合；

步骤二，对边缘提取的Canny算子进行改进，利用改进的Canny算子提取 卡簧的轮廓边缘，获取边缘上的轮廓点；

步骤三，采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺 寸信息；

步骤四，对数据进行过滤去除数据畸变点，并利用等分原理，计算实际卡 簧两个边缘的尺寸信息，完成卡簧的测量。

进一步，步骤一中，所述对拍摄的彩色图像进行通道分解，按照比例进行 图像的重新组合的方法，包括：

(1)获取工业CCD相机拍摄卡簧的彩色图像，因活塞产品由磁铁、碟簧、 堵块、卡簧构成，压装设备完成其部件的组装，形成成品；

(2)利用光学色彩反射，针对产品不同的高度，呈现出不同的色彩信息； 其中，A1为卡簧的内圆，A2为卡簧漏出卡簧槽的边缘；

(3)根据彩色图像进行通道的分解，分解为R通道、G通道、B通道、H 通道、S通道、V通道；

(4)根据提取卡簧的不同位置区域，对不同通道进行组合，凸显卡簧不同 区域的特征。

进一步，步骤二中，所述对边缘提取的Canny算子进行改进的方法，包括：

采用自适应平滑滤波的思想，通过每次迭代自适应地改变各个像素的加权 系数，设f(x,y)为输入图像，G_x(x,y)、G_y(x,y)为图像的梯度分量，w(x,y)为模 板系数，则进行一次迭代的步骤为：

对图像fⁿ(x,y)进行n次加权平均为：

其中，参数K需要在计算前进行提前预设，K的变化对边缘的突变处起到 了理想的约束。经过批量测试模拟，选择合适的K值以及迭代的次数。

进一步，为通过图像自适应的确定阈值，需通过图像的灰度特征选择一个 合适的阈值，使图像清晰地分为两类。假设{0,1,2,…,L-1}表示M*N的图像中L 个不同的灰度级，n_i表示灰度级为i时的像素数量，则：

MN＝n₀+n₁+n₂+…+n_L-1；

对图像的灰度直方图进行归一化得：

p_i＝n_i/MN；

假设K为经过自适应确定的阈值，则K把图像分为两类C₁和C₂。利用概率 统计原理可知，类C₁和类C₂发生的概率为：

分配到类C₁和类C₂中像素的平均灰度为：

从0到灰度级K的累加均值为：

图像的平均灰度为：

由上面公式得类间方差

为：

其中，自适应确定的阈值K为类间方差最大时的值，将K值引入到Canny 算子中，可以根据图像灰度的特征选择合适的阈值。

进一步，步骤三中，所述采用Hough圆拟合，对边缘上的轮廓点进行拟合， 求取卡簧的尺寸信息的方法为：结合轮廓边缘上的点坐标利用Hough算子进行 卡簧A2圆的拟合，求取拟合后圆的圆心坐标(a,b)以及半径r，具体包括：

设A1轮廓边缘点的坐标为(x_i,y_i)，轮廓边缘点到A2轮廓边缘的圆心坐标 (a,b)之间的距离为d。则：

设卡簧露出产片活塞卡簧槽的距离为D，则：

D_i＝r-d_i；

依次求取A1轮廓边缘上每个点到A2轮廓边缘拟合圆之间的距离，且等间 距地选取A1轮廓边缘上点到A2轮廓边缘拟合圆之间点的距离。

进一步，步骤四中，所述对数据进行过滤去除数据畸变点的方法，包括：

(1)对数据选择合适的遍历单元长度，每次针对固定长度的数据进行处理；

(2)计算出单元长度内数据的变化情况，用方差进行表示，若得到的方差 超过规定的参考值，则认为此单元长度内存在畸变点；

(3)若单元长度内存在畸变点，获取此单元内数据的最值，并利用最值与 数据的均值筛选出畸变点，并把此畸变点的数据进行删除，用此单元内其他数 据的均值进行替换；

(4)若单元长度内不存在畸变点数据，则获取下一个单元的长度数据，依 次进行遍历；对数据进行滤波后，消除畸变点的数据影响，数据更接近真实的 数据。

本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产 品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施 所述的基于机器视觉的卡簧测量方法。

本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所 述指令在计算机上运行时，使得计算机执行所述的基于机器视觉的卡簧测量方 法。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提 供的基于机器视觉的卡簧测量方法，充分利用工业光源与工业相机，采用机器 视觉的测量方法，实现了对压装完的卡簧进行快速并准确地测量，并把数据进 行实时处理。

由于传统Canny算子高斯核函数的方差和高低阈值均是人工进行设定，对 图像的自适应能力差，对噪声敏感。本发明改进后的算子对轮廓边缘的提取更 加精准并具有较高的噪声抑制效果，解决了现有技术中利用阈值提取并进行圆 拟合的方法，存在测量精度不高、稳定性差的技术问题。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所 需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下 还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的基于机器视觉的卡簧测量方法流程图。

图2是本发明实施例提供的活塞产品部件示意图。

图3是本发明实施例提供的A1和A2轮廓示意图。

图4是本发明实施例提供的彩色图分为RGB三通道、HSV三通道图像的示 意图。

图5(a)是本发明实施例提供的提取A1特征图。

图5(b)是本发明实施例提供的提取A2特征图。

图6(a)是本发明实施例提供的A1轮廓边缘示意图。

图6(b)是本发明实施例提供的A1轮廓上的点示意图。

图6(c)是本发明实施例提供的A1轮廓上点的局部放大图。

图6(d)是本发明实施例提供的A2轮廓边缘示意图。

图6(e)是本发明实施例提供的A2轮廓上的点示意图。

图6(f)是本发明实施例提供的A2轮廓上点的局部放大图。

图7(a)是本发明实施例提供的A2轮廓边缘点Hough圆拟合示意图。

图7(b)是本发明实施例提供的局部放大图1。

图7(c)是本发明实施例提供的局部放大图2。

图8是本发明实施例提供的求取A1轮廓边缘上每个点到A2轮廓边缘拟合 圆之间的距离，对数据进行等间距选取显示的示意图。

图9(a)是本发明实施例提供的获取到A1轮廓边缘上点坐标、A2轮廓边缘 拟合圆上点坐标的示意图。

图9(b)是本发明实施例提供的将获取到A1轮廓边缘上点坐标、A2轮廓边 缘拟合圆上点坐标在图像中进行显示的示意图。

图10(a)是本发明实施例提供的卡簧存在异物图。

图10(b)是本发明实施例提供的卡簧A1轮廓边缘提取示意图。

图10(c)是本发明实施例提供的局部放大图。

图11是本发明实施例提供的卡簧存在异物导致数据产生畸变的数据图。

图12是本发明实施例提供的针对数据滤波的流程图。

图13是本发明实施例提供的针对卡簧数据经过数据滤波后的数据结果图。

图14(a)-图14(m)是本发明实施例提供的现场实物图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例， 对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以 解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种基于机器视觉的卡簧测量方 法，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的基于机器视觉的卡簧测量方法包括以下 步骤：

S101，对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合；

S102，对边缘提取的Canny算子进行改进，利用改进的Canny算子提取卡 簧的轮廓边缘，获取边缘上的轮廓点；

S103，采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺寸 信息；

S104，对数据进行过滤去除数据畸变点，并利用等分原理，计算实际卡簧 两个边缘的尺寸信息，完成卡簧的测量。

下面结合实施例对本发明作进一步描述。

实施例1

本发明的目的是充分利用工业光源与工业相机，采用机器视觉的测量方法， 实现了对压装完的卡簧进行快速并准确地测量，并把数据进行实时处理。本发 明的技术方案如下：

彩色图像中色彩通道重新组合，构建一幅特征更加明显图像；对边缘提取 的Canny算子进行改进，更加准确提取到卡簧的边缘轮廓信息，同时获取到边 缘上的轮廓点；采用Hough算子对边缘上的轮廓点进行圆拟合，求取卡簧的尺 寸信息；利用等分原理，计算卡簧两个边缘的尺寸信息，完成卡簧的测量。

上述方法中，由于传统Canny算子高斯核函数的方差和高低阈值均是人工 进行设定，对图像的自适应能力差，对噪声敏感。改进后的算子对轮廓边缘的 提取更加精准并具有较高的噪声抑制效果，解决了现有技术中利用阈值提取并 进行圆拟合的方法，存在测量精度不高、稳定性差的技术问题。为了克服传统 Canny算子中高斯函数的方差需要人为设定的难题，本发明采用了自适应平滑滤 波的思想，通过每次迭代自适应地改变各个像素的加权系数。

设f(x,y)为输入图像，G_x(x,y)、G_y(x,y)为图像的梯度分量，w(x,y)为模板 系数，则进行一次迭代的步骤为：

对图像fⁿ(x,y)进行n次加权平均为：

式中参数K需要在计算前进行提前预设，其中K的变化对边缘的突变处起 到了理想的约束。经过批量测试模拟，选择合适的K值以及迭代的次数。

为了通过图像自适应的确定阈值，需要通过图像的灰度特征选择一个合适 的阈值，使图像清晰地分为两类。假设{0,1,2,…,L-1}表示M*N的图像中L个不 同的灰度级，n_i表示灰度级为i时的像素数量，则：

MN＝n₀+n₁+n₂+…+n_L-1

对图像的灰度直方图进行归一化得：

p_i＝n_i/MN

假设K为经过自适应确定的阈值，则K把图像分为两类C₁和C₂。利用概率 统计原理可知，类C₁和类C₂发生的概率为：

分配到类C₁和类C₂中像素的平均灰度为：

从0到灰度级K的累加均值为：

图像的平均灰度为：

由上面公式得类间方差

为：

自适应确定的阈值K为类间方差最大时的值，将K值引入到Canny算子中， 可以根据图像灰度的特征选择合适的阈值，增强了算法对图像的自适应能力。

经过改进后的Canny算子，对卡簧的轮廓边缘，同时获取到边缘上的轮廓 点。

本发明为了精确提取到卡簧的轮廓边缘信息，对卡簧轮廓边缘上的点进行 了Hough圆拟合，并求取拟合后圆的圆心坐标(a,b)以及半径r。依次求取卡簧内 轮廓边缘上每个点到卡簧外轮廓边缘拟合圆之间的距离。对数据的点进行等间 距的选取。

在实际拍摄的图像中，因为卡簧周围存在异物，导致卡簧轮廓边缘提取有 误，为消除畸变点数据的影响，因此通过对数据进行滤波处理提高数据的精确 性。其原理为：

针对数据选择合适的遍历单元长度，即每次针对固定长度的数据进行处理。

计算出单元长度内数据的变化情况，用方差进行表示，若得到的方差超过 规定的参考值，则认为此单元长度内存在畸变点。

若单元长度内存在畸变点，获取此单元内数据的最值，并利用最值与数据 的均值筛选出畸变点，并把此畸变点的数据进行删除，用此单元内其他数据的 均值进行替换。

若单元长度内不存在畸变点数据，则获取下一个单元的长度数据，依次进 行遍历。

对数据进行滤波后，消除了畸变点的数据影响，数据更接近真实的数据。

实施例2

本发明实施例中的技术方案，总体思路如下：

一种基于机器视觉的卡簧尺寸测量方法，所述方法包括：彩色图像中色彩 通道重新组合，构建一幅特征更加明显图像；对边缘提取的Canny算子进行改 进，更加准确提取到卡簧的边缘轮廓信息，同时获取到边缘上的轮廓点；采用 Hough算子对边缘上的轮廓点进行圆拟合，求取卡簧的尺寸信息；利用等分原 理，计算卡簧两个边缘的尺寸信息，完成卡簧的测量。

上述方法中，由于传统Canny算子高斯核函数的方差和高低阈值均是人工 进行设定，对图像的自适应能力差，对噪声敏感。改进后的算子对轮廓边缘的 提取更加精准并具有较高的噪声抑制效果，解决了现有技术中利用阈值提取并 进行圆拟合的方法，存在测量精度不高、稳定性差的技术问题。

本实施例提供了一种基于机器视觉的卡簧的测量方法，请参见图1，所述方 法包括：

步骤S101：对拍摄的彩色图像进行通道分解，按照一定比例进行图像的重 新组合。

步骤S102：对现有Canny算子进行改进，利用改进的Canny算子提取卡簧 的轮廓边缘，获取边缘上的轮廓点。

步骤S103：采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧尺 寸信息。

步骤S104：对数据进行过滤，去除数据畸变点并获取实际卡簧边缘的尺寸 信息。

下面结合图1对本申请提供的基于机器视觉的卡簧的测量方法进行详细介 绍：

首先执行步骤S101，对拍摄的彩色图像对拍摄的彩色图像进行通道分解， 按照一定比例进行图像的重新组合。

具体地，上述对拍摄的彩色图像对拍摄的彩色图像进行通道分解，按照一 定比例进行图像的重新组合，具体包括：

获取工业CCD相机拍摄卡簧的彩色图像，因活塞产品由磁铁、碟簧、堵块、 卡簧构成，压装设备完成其部件的组装，形成一个成品，如图2所示。

利用光学色彩反射，针对产品不同的高度，呈现出不同的色彩信息，其中 A1为卡簧的内圆，A2为卡簧漏出卡簧槽的边缘，如图3所示；

根据彩色图像进行通道的分解，其中分解为R通道、G通道、B通道、H 通道、S通道、V通道，如图4所示；

根据提取卡簧的不同位置区域，对不同通道进行组合，更加凸显卡簧不同 区域的特征，通过对不同通道进行组合的结果如图5所示，其中卡簧的内圆(A1) 呈现为黑色，卡簧漏出卡簧槽的边缘(A2)呈现为白色；

然后执行步骤S102：对现有Canny算子进行改进，利用改进的Canny算子 提取卡簧的轮廓边缘，获取边缘上的轮廓点。

在具体的实施过程中，为了克服传统Canny算子中高斯函数的方差需要人 为设定的难题，采用了自适应平滑滤波的思想，通过每次迭代自适应地改变各 个像素的加权系数。

设f(x,y)为输入图像，G_x(x,y)、G_y(x,y)为图像的梯度分量，w(x,y)为模板 系数，则进行一次迭代的步骤为：

对图像fⁿ(x,y)进行n次加权平均为：

式中参数K需要在计算前进行提前预设，其中K的变化对边缘的突变处起 到了理想的约束。经过批量测试模拟，选择合适的K值以及迭代的次数。

为了通过图像自适应的确定阈值，需要通过图像的灰度特征选择一个合适 的阈值，使图像清晰地分为两类。假设{0,1,2,…,L-1}表示M*N的图像中L个不 同的灰度级，n_i表示灰度级为i时的像素数量，则：

MN＝n₀+n₁+n₂+…+n_L-1

对图像的灰度直方图进行归一化得：

p_i＝n_i/MN

假设K为经过自适应确定的阈值，则K把图像分为两类C₁和C₂。利用概率 统计原理可知，类C₁和类C₂发生的概率为：

分配到类C₁和类C₂中像素的平均灰度为：

从0到灰度级K的累加均值为：

图像的平均灰度为：

由上面公式得类间方差

为：

自适应确定的阈值K为类间方差最大时的值，将K值引入到Canny算子中， 可以根据图像灰度的特征选择合适的阈值，增强了算法对图像的自适应能力。

经过改进后的Canny算子，提取卡簧的外轮廓边缘，同时获取轮廓边缘点。 如图6所示。

然后执行步骤S103：采用Hough圆拟合，对边缘上的轮廓点进行拟合，求 取卡簧尺寸信息。

在具体的实施过程中，因为活塞产品放卡簧处是一个完整的圆，因此结合 轮廓边缘上的点坐标利用Hough算子进行卡簧A2圆的拟合，求取拟合后圆的 圆心坐标(a,b)以及半径r，如图7所示。

设A1轮廓边缘点的坐标为(x_i,y_i)，轮廓边缘点到A2轮廓边缘的圆心坐标 (a,b)之间的距离为d。则：

设卡簧露出产片活塞卡簧槽的距离为D，则：

D_i＝r-d_i

依次求取A1轮廓边缘上每个点到A2轮廓边缘拟合圆之间的距离。对数据 的点进行等间距的选取，其结果如图8所示。为更好说明并使显示更加明显， 等间距地选取A1轮廓边缘上点到A2轮廓边缘拟合圆之间点的距离,如图9所 示。

最后执行步骤S104：对数据进行过滤，去除数据畸变点并获取实际卡簧边 缘的尺寸信息。

在具体实施中，在实际拍摄的图像中，因为卡簧周围存在异物，如图10所 示，导致卡簧轮廓边缘提取有误，通过S103步骤，得到A1轮廓边缘上点到A2 轮廓边缘拟合圆之间点的距离，如图11所示，并在图中标注了对应的畸变点的 数据。在实际中，卡簧未卡到理想位置时，卡簧整体的尺寸会逐渐出现变化的 情况，不会存在单独的几个点突变的情况。因此通过对数据进行滤波处理，消 除数据中畸变点的坐标值。采用的滤波的方式如图12所示，其原理为：

针对数据选择合适的遍历单元长度，即每次针对固定长度的数据进行处理。

计算出单元长度内数据的变化情况，用方差进行表示，若得到的方差超过 规定的参考值，则认为此单元长度内存在畸变点。

若单元长度内存在畸变点，获取此单元内数据的最值，并利用最值与数据 的均值筛选出畸变点，并把此畸变点的数据进行删除，用此单元内其他数据的 均值进行替换。

若单元长度内不存在畸变点数据，则获取下一个单元的长度数据，依次进 行遍历。

对数据进行滤波后，消除了畸变点的数据影响，数据更接近真实的数据， 滤波后的数据如图13所示。

现场实物图如图14所示。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组 合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程 序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指 令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可 以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算 机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向 另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、 计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或 无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据 中心进行传输)。

所述计算机可读取存储介质可以是计算机能够存取的任何可用 介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。 所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、 或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于 此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明 的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的 保护范围之内。

Claims (8)

1.一种基于机器视觉的卡簧测量方法，其特征在于，所述基于机器视觉的卡簧测量方法包括以下步骤：

步骤一，对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合；

步骤二，对边缘提取的Canny算子进行改进，利用改进的Canny算子提取卡簧的轮廓边缘，获取边缘上的轮廓点；

步骤三，采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺寸信息；

步骤四，对数据进行过滤去除数据畸变点，并利用等分原理，计算实际卡簧两个边缘的尺寸信息，完成卡簧的测量。

2.如权利要求1所述的基于机器视觉的卡簧测量方法，其特征在于，步骤一中，所述对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合的方法，包括：

(1)获取工业CCD相机拍摄卡簧的彩色图像，因活塞产品由磁铁、碟簧、堵块、卡簧构成，压装设备完成其部件的组装，形成成品；

(2)利用光学色彩反射，针对产品不同的高度，呈现出不同的色彩信息；其中，A1为卡簧的内圆，A2为卡簧漏出卡簧槽的边缘；

(3)根据彩色图像进行通道的分解，分解为R通道、G通道、B通道、H通道、S通道、V通道；

(4)根据提取卡簧的不同位置区域，对不同通道进行组合，凸显卡簧不同区域的特征。

3.如权利要求1所述的基于机器视觉的卡簧测量方法，其特征在于，步骤二中，所述对边缘提取的Canny算子进行改进的方法，包括：

采用自适应平滑滤波的思想，通过每次迭代自适应地改变各个像素的加权系数，设f(x,y)为输入图像，G_x(x,y)、G_y(x,y)为图像的梯度分量，w(x,y)为模板系数，则进行一次迭代的步骤为：

对图像fⁿ(x,y)进行n次加权平均为：

其中，参数K需要在计算前进行提前预设，K的变化对边缘的突变处起到了理想的约束；经过批量测试模拟，选择合适的K值以及迭代的次数。

4.如权利要求3所述的基于机器视觉的卡簧测量方法，其特征在于，为通过图像自适应的确定阈值，需通过图像的灰度特征选择一个合适的阈值，使图像清晰地分为两类；假设{0,1,2,…,L-1}表示M*N的图像中L个不同的灰度级，n_i表示灰度级为i时的像素数量，则：

MN＝n₀+n₁+n₂+…+n_L-1；

对图像的灰度直方图进行归一化得：

p_i＝n_i/MN；

假设K为经过自适应确定的阈值，则K把图像分为两类C₁和C₂；利用概率统计原理可知，类C₁和类C₂发生的概率为：

分配到类C₁和类C₂中像素的平均灰度为：

从0到灰度级K的累加均值为：

图像的平均灰度为：

由上面公式得类间方差

为：

其中，自适应确定的阈值K为类间方差最大时的值，将K值引入到Canny算子中，可以根据图像灰度的特征选择合适的阈值。

5.如权利要求1所述的基于机器视觉的卡簧测量方法，其特征在于，步骤三中，所述采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺寸信息的方法为：结合轮廓边缘上的点坐标利用Hough算子进行卡簧A2圆的拟合，求取拟合后圆的圆心坐标(a,b)以及半径r，具体包括：

设A1轮廓边缘点的坐标为(x_i,y_i)，轮廓边缘点到A2轮廓边缘的圆心坐标(a,b)之间的距离为d，则：

设卡簧露出产片活塞卡簧槽的距离为D，则：

D_i＝r-d_i；

依次求取A1轮廓边缘上每个点到A2轮廓边缘拟合圆之间的距离，且等间距地选取A1轮廓边缘上点到A2轮廓边缘拟合圆之间点的距离。

6.如权利要求1所述的基于机器视觉的卡簧测量方法，其特征在于，步骤四中，所述对数据进行过滤去除数据畸变点的方法，包括：

(1)对数据选择合适的遍历单元长度，每次针对固定长度的数据进行处理；

(2)计算出单元长度内数据的变化情况，用方差进行表示，若得到的方差超过规定的参考值，则认为此单元长度内存在畸变点；

(3)若单元长度内存在畸变点，获取此单元内数据的最值，并利用最值与数据的均值筛选出畸变点，并把此畸变点的数据进行删除，用此单元内其他数据的均值进行替换；

(4)若单元长度内不存在畸变点数据，则获取下一个单元的长度数据，依次进行遍历；对数据进行滤波后，消除畸变点的数据影响，数据更接近真实的数据。

7.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～6任意一项所述的基于机器视觉的卡簧测量方法。

8.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～6任意一项所述的基于机器视觉的卡簧测量方法。

Images